LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
呆呆完成签到,获得积分10
刚刚
负责吃饭完成签到,获得积分10
刚刚
XIXI完成签到,获得积分10
1秒前
1秒前
斯文慕山应助庄周采纳,获得10
1秒前
nimonimo发布了新的文献求助10
1秒前
Lojong完成签到,获得积分10
1秒前
赘婿应助科研人采纳,获得10
3秒前
3秒前
毛豆应助en采纳,获得10
4秒前
QL完成签到 ,获得积分10
4秒前
铁柱完成签到,获得积分10
4秒前
自由心情发布了新的文献求助10
5秒前
5秒前
深情安青应助呆呆采纳,获得10
5秒前
5秒前
哇哈哈发布了新的文献求助10
5秒前
6秒前
小L发布了新的文献求助10
7秒前
科研通AI2S应助刘刘采纳,获得10
7秒前
9秒前
11秒前
11秒前
11秒前
12秒前
12秒前
14秒前
空巢小黄人完成签到,获得积分10
14秒前
科研通AI2S应助Dusk大寺柯采纳,获得10
14秒前
15秒前
15秒前
CipherSage应助认真路人采纳,获得10
16秒前
bobo2发布了新的文献求助20
16秒前
16秒前
呆呆发布了新的文献求助10
17秒前
迈克老狼发布了新的文献求助10
17秒前
18秒前
末末发布了新的文献求助10
18秒前
18秒前
19秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3188454
求助须知:如何正确求助?哪些是违规求助? 2837909
关于积分的说明 8017766
捐赠科研通 2500624
什么是DOI,文献DOI怎么找? 1335037
科研通“疑难数据库(出版商)”最低求助积分说明 637386
邀请新用户注册赠送积分活动 605460